基于成对相关性的神经活动时空模式预测
神经元与认知
2009-11-13 v1
摘要
我们设计了一种基于模型的分析方法，用于预测分布式尖峰活动中群体模式的出现。利用带有马尔可夫假设的最大熵原理，我们获得了一个同时考虑神经元间空间和时间成对相关性的模型。该模型在Glauber自旋玻璃系统生成的数据上进行了测试，结果表明，与仅考虑成对相关性的Ising模型相比，该模型能显著更准确地预测时空模式的发生概率。在慢波睡眠期间顶叶皮层记录到的实验数据中也观察到了这种预测能力的提升。该方法还可用于生成能够再现给定数据集空间和时间相关性的替代数据。
引用
@article{arxiv.0903.0127,
title = {Prediction of spatio-temporal patterns of neural activity from pairwise correlations},
author = {Olivier Marre and Sami El Boustani and Yves Fregnac and Alain Destexhe},
journal= {arXiv preprint arXiv:0903.0127},
year = {2009}
}
备注
Physical Preview Letters (in press, 2009)